用于图像去噪的优良相似块

基于块的去噪算法如 BM3D 已取得卓越性能。这些方法成功的一个重要思想是利用输入图像中相似块的重复性来估计底层图像结构。然而，在这些算法中，用于去噪的相似块通过最近邻搜索（NNS）获得，有时并非最优。首先，由于噪声的存在，NNS 可能选择与参考块具有相似噪声模式的相似块。其次，数字图像中不可靠的噪声像素会给块搜索过程带来偏差，并导致最终去噪结果中色彩保真度的损失。我们观察到，给定一组优良相似块，其分布不一定以含噪参考块为中心，且可用一个高斯分量近似。基于该观察，我们提出了一种块搜索方法，使用基于高斯混合模型的聚类将相似块候选聚为块组，并选择包含参考块的块组作为去噪的最终块。我们还使用不可靠像素估计算法对输入含噪图像进行预处理，以进一步改进块搜索。我们的实验表明，我们的方法能更好地捕获底层块结构，并可持续使最先进的基于块的去噪算法（如 BM3D、LPCA 和 PLOW）通过提供由我们的方法找到的块而更好地去噪图像，且无需修改这些算法。